Investigation into Quality Evaluation Methods Involving Total Analysis of Metabolites in Beer

Význam tématu

Globální analýza metabolitů pomocí GC-MS nabízí detailní pohled na složení potravin a nápojů. V pivovarnictví umožňuje tyto metody identifikovat a kvantifikovat klíčové složky odpovědné za chuť, aroma a stabilitu piva, což přispívá k objektivnímu řízení kvality.

Cíle a přehled studie

Studie se zaměřila na dvě úrovně srovnání:

• Rozdíly mezi značkami piva (lager, pale ale, IPA).
• Variabilita uvnitř jedné značky napříč výrobními závody a šaržemi.

Data z GC-MS byla následně zpracována multivariační analýzou (SIMCA 15) pro vizualizaci a kvantifikaci odlišností.

Použitá metodika a instrumentace

Vzorky:

• Vnitřní standard: 2-isopropylmalát.
• Extrakce a deproteinace vodné fáze.
• Derivatizace: methoxyaminová sol a MSTFA.

Instrumentace:

• Shimadzu GCMS-TQ 8040 (triple quadrupole GC-MS).
• Kolona DB-5 (30 m × 0,25 mm, 1 µm).
• Přenosový plyn: helium, splitless injekce.
• Oven: 100 °C (4 min) → 320 °C (10 °C/min).
• MS v režimu MRM, ionizace EI.
• Software: Smart Metabolites Database™ a SIMCA® 15.

Hlavní výsledky a diskuse

Analýza 1 – Rozdíly mezi značkami:

• Score plot ukázal jasné oddělení lageru, pale ale a IPA.
• Loading plot identifikoval charakteristické metabolity: sacharidy a organické kyseliny v lageru, biogenní aminy a aminokyseliny v pale ale, dlouhé mastné kyseliny a ketózy v IPA.

Analýza 2 – Rozdíly mezi závody/šaržemi:

• U lageru bylo patrné oddělení vzorků z různých závodů.
• Pale ale A vykazovalo variabilitu mezi třími šaržemi ve stejném závodě.
• Hierarchická klasifikace potvrdila rozdíly a vizuálně je uspořádala do stromového diagramu.

Přínosy a praktické využití metody

Metoda umožňuje:

• Objektivní hodnocení senzorické kvality piva prostřednictvím metabolitického profilu.
• Detekci variability výrobních procesů a šarží ještě před senzorickým testováním.
• Podporu QA/QC v pivovarech, optimalizaci receptur a benchmarking mezi značkami.

Budoucí trendy a možnosti využití

Očekávané směry rozvoje:

• Rozšíření databází metabolitů a lepší krytí specifických sloučenin piva.
• Integrace on-line vzorkovačů a automatizovaných pracovních postupů pro vyšší průchodnost.
• Propojení s dalšími technikami (LC-MS, NMR) pro komplexní metabolomiku.
• Využití strojového učení pro pokročilé předikce kvality.

Závěr

GC-MS metabolitická analýza spojená s multivariační statistikou efektivně rozlišuje piva na úrovni značek, výrobních závodů i šarží. Identifikace klíčových markerů poskytuje pevný základ pro objektivní řízení kvality a optimalizaci výrobních procesů.

Reference

Ve zdrojovém materiálu nejsou uvedeny explicitní literární odkazy.